用于基于上下文的数据保护的系统

    公开(公告)号:CN105683989B

    公开(公告)日:2019-04-30

    申请号:CN201480047891.4

    申请日:2014-06-27

    Abstract: 提供了用于保护所存储的数据的方法、系统和计算机程序产品。用户界面模块使得数据敏感性级别、数据保护响应以及上下文触发能够与存储在计算设备中的数据相关联。用户界面被配置成使得数据保护响应能够从包括软删除和硬删除在内的多个数据保护响应中选择。上下文触发监视器被配置成监视上下文触发的发生。数据保护执行器被配置成当上下文触发的发生被检测到时执行与数据相关联的数据保护响应。

    用户输入的数据保护方法及系统

    公开(公告)号:CN105519038B

    公开(公告)日:2020-03-17

    申请号:CN201480048056.2

    申请日:2014-06-27

    Abstract: 本文中描述了响应于在设备引导状态、用户登录状态或设备关闭状态期间检测到的特定用户输入和/或用户输入行为的存在或缺乏来自动地进入数据保护模式的计算设备。当设备进入数据保护模式时,存储在该设备上的敏感数据被自动地使得不可见和/或不可被该设备的用户访问。敏感数据可用不太可能对计算设备的用户显而易见的方式来被使得不可见和/或不可访问。

    深度神经支持向量机
    4.
    发明公开

    公开(公告)号:CN107112005A

    公开(公告)日:2017-08-29

    申请号:CN201580053839.4

    申请日:2015-04-17

    Abstract: 本文所描述的技术的各方面涉及一种新型的深度神经网络(DNN)。该新的DNN在本文中被描述成深度神经支持向量机(DNSVM)。传统的DNN在顶层和各底层处使用多项逻辑回归(softmax激活)以进行训练。新的DNN改为使用支持向量机(SVM)作为一个或多个层,包括顶层。本文所描述的技术可使用两种训练算法中的一种来训练DNSVM以在最大-间隔标准中学习SVM和DNN的参数。第一种训练方法是帧级训练。在帧级训练中,新的模型被示为与具有DNN特征的多类SVM相关。第二种训练方法是序列级训练。序列级训练与具有DNN特征和HMM状态转移特征的结构化SVM相关。

Patent Agency Ranking